Luận án nghiên cứu mô hình dự báo dịch tả ứng dụng khai phá dữ liệu, học máy và phân tích không gian GIS

1 MỞ ĐẦU Tính cấp thiết Dự báo là một hoạt động thường xuyên có tính tất yếu của các cá nhân và tổ chức nhằm đưa ra những thông tin chưa biết trên cơ sở các thông tin đã biết. Trong lĩnh vực y tế và chăm sóc sức khỏe, có một lớp lớn các bài toán dự báo với phạm vi ở nhiều cấp độ từ địa phương, quốc gia, thế giới cần được giải quyết. Chính vì vậy, dự báo trong y tế nói chung và dự báo dịch bệnh nói riêng luôn nhận được sự quan tâm của cộng đồng nghiên cứu. Nhằm góp phần ngăn chặn sự bùng phát và lây lan của dịch bệnh, đã có nhiều công trình nghiên cứu được công bố và ứng dụng, trong đó dự báo sớm là một biện pháp góp phần đáng kể.

Các kết quả nghiên cứu dự báo dịch bệnh trong thời gian qua là bằng chứng quan trọng cho việc lập kế hoạch và quản lý các hoạt động chăm sóc sức khỏe. Dự báo được coi là công cụ hữu ích cho các nhà quản lý và hoạch định chính sách. Cùng với sự phát triển nhanh chóng của khoa học công nghệ, nhiều phương pháp và kỹ thuật mới đã được sử dụng cho dự báo. Trong đó, mô hình dự báo dựa trên các kỹ thuật khai phá dữ liệu, học máy là một nhóm trong các kỹ thuật đang có xu hướng được áp dụng rộng rãi.

Trong bối cảnh việc thực hiện các nghiên cứu thường bị hạn chế về cả thời gian và nguồn lực, việc sử dụng mô hình khai phá dữ liệu, học máy trong dự báo dịch bệnh là một phương pháp thích hợp, có khả năng giải quyết được tính phức tạp của bài toán dự báo dịch bệnh với chi phí thấp. Ở Việt Nam, ứng dụng khai phá dữ liệu, học máy trong dự báo dịch bệnh vẫn là một lĩnh vực non trẻ. Số lượng các chuyên gia về lĩnh vực này cũng như các nghiên cứu ứng dụng các phương pháp dự báo dịch bệnh trong y tế còn hạn chế trong khi nhu cầu cần bằng chứng trong xây dựng các chương trình, chính sách y tế đang ngày càng gia tăng. Ngày nay, các bệnh truyền nhiễm đang có xu hướng giảm trong cộng đồng, nhưng dưới sự tác động của nhiều yếu tố như biến đổi khí hậu, môi trường và ý thức con người, nhiều bệnh dịch truyền nhiễm đã được thanh toán trước đây, nay tái xuất hiện và cùng với đó, nhiều bệnh dịch mới nổi lên, đặc biệt ở các vùng chịu ảnh hưởng của biến đổi khí hậu và đời sống kinh tế khó khăn.

Chính vì vậy việc tìm hiểu nguyên 2 nhân dịch bệnh đã không còn gói gọn trong việc phát hiện căn nguyên vi sinh vật, mà mở rộng ra cho nhiều loại yếu tố tự nhiên, xã hội và sinh học có các mức độ liên quan với số ca mắc bệnh trong cộng đồng. Ngoài việc phát hiện ra căn nguyên và các yếu tố ảnh hưởng, cần xây dựng các mô hình dự báo sử dụng các kỹ thuật khác nhau dựa vào các thông số về tự nhiên, như khí hậu, môi trường, và hành vi, thói quen trong cộng đồng., nhằm cảnh báo sớm dịch bệnh, giúp giảm thiểu nguy cơ, tổn thất có thể xảy ra cho con người. Trong những năm gần đây, sự sẵn có và ngày càng tăng các nguồn dữ liệu, đặc biệt là dữ liệu khí hậu - thời tiết thu thập từ các cảm biến từ xa và những dữ liệu phân tích lại, cũng như sự phát triển của các kỹ thuật dự báo đã mang lại cơ hội mới cho phân tích và dự báo dịch bệnh trong ngành y tế. Bên cạnh đó, việc lan truyền của dịch bệnh có liên hệ mật thiết với sự lân cận về không gian và thời gian.

Do vậy, việc nghiên cứu các kỹ thuật xây dựng mô hình dự báo dịch bệnh có xem xét đến ảnh hưởng của các yếu tố không gian, thời gian và khí hậu tới sự xuất hiện và lan truyền dịch bệnh là rất cần thiết. Tình hình nghiên cứu Hiện nay đã có nhiều mô hình được xây dựng nhằm cảnh báo dịch bệnh sớm giúp giảm thiểu nguy cơ, tổn thất xảy ra cho con người dựa vào các thông số về thời tiết [20],[33],[46], [52], [62], [82] [86] ,[94],[95], [100]. Các phương pháp dự báo dịch bệnh ban đầu đều dựa trên mô hình lan truyền dịch bệnh, điển hình là mô hình dịch tễ học toán học SIR (Susceptible – Infectious – Recovered) [24], [35]. Mô hình lan truyền dịch bệnh này chia quần thể nghiên cứu thành ba lớp, bao gồm lớp chứa các thành phần dễ bị nhiễm bệnh (Susceptible), lớp nhiễm bệnh chứa các thành phần bị nhiễm bệnh và có khả năng truyền bệnh cho người khác (Infectious) và lớp hết bệnh chứa các thành phần đã hồi phục hoặc tử vong do nhiễm bệnh (Recovered).

Dịch tễ học toán học xem xét các phương trình biến đổi các giá trị S(t), I(t), R(t) theo thời gian t. Dựa trên các giá trị đầu vào đã biết, các tham số trong các phương trình này được xác định. Mô hình kết quả được sử dụng để dự báo các giá trị S(t), I(t), R(t) tại thời điểm t trong tương lai. Mô hình dịch tễ học toán học đã được áp dụng thành công với các hệ thống không quá phức tạp hoặc đã có nhiều kết quả quan sát về hệ thống.

3 Tuy nhiên, trong trường hợp các quan sát thu nhận được quá phức tạp hoặc không rõ ràng thì việc xây dựng các phương trình theo tiếp cận của mô hình dịch tễ học toán học gặp rất nhiều khó khăn. Trong trường hợp các quan sát thu nhận được quá phức tạp hoặc không rõ ràng, tiếp cận theo mô hình học máy thống kê có nhiều ưu thế trong giải quyết bài toán dự báo dịch bệnh. Một mô hình thống kê thường là một tập các phương trình với các tham số điều khiển mà giá trị của tham số này nhận được nhờ một quá trình "học" từ dữ liệu quan sát. Cấu trúc các phương trình này là một kết hợp của các tham số điều khiển và các đặc trưng hệ thống, có thể ở dạng đơn giản (tuyến tính), hoặc ở dạng phức tạp (phi tuyến).

Mô hình thống kê được chia làm hai loại là mô hình hồi qui và mô hình phân lớp, trong đó mô hình hồi qui tương ứng với miền giá trị của biến đầu ra liên tục còn mô hình phân lớp tương ứng với miền giá trị đầu ra rời rạc. Ở những năm 1990, phương pháp phân tích hồi quy tuyến tính được sử dụng thường xuyên trong việc thiết lập các mô hình cảnh báo dịch bệnh [10], [65],[67],[77],[79]. Trong thời gian gần đây, mô hình phân tích chuỗi thời gian (time-series) đã được sử dụng rộng rãi trong nghiên cứu ảnh hưởng của khí hậu và số lượng ca mắc các bệnh truyền nhiễm ở những cộng đồng cụ thể và dự báo quy mô dịch bệnh trong tương lai[1],[58], [61]. Việc sử dụng mô hình phân tích chuỗi thời gian góp phần khắc phục nhược điểm của các mô hình hồi qui luận lý (logistic) hoặc hồi qui đa biến trước đó, do không có khả năng xem xét đến tính tự tương quan (auto-correlation) đối với những dữ liệu mang tính chuỗi thời gian, làm giảm khả năng tiên đoán.

Nhằm cải thiện độ chính xác trong thiết lập mô hình cảnh báo dịch bệnh, một số nhà nghiên cứu đã tiến hành lồng ghép mô hình phân tích chuỗi thời gian và mô hình GIS, nhằm xác định cụ thể ảnh hưởng của sự kết hợp giữa điều kiện địa lý và điều kiện khí hậu tới số ca mắc một bệnh truyền nhiễm nào đó. Sự kết hợp thống nhất giữa dữ liệu thuộc tính với dữ liệu không gian trong công nghệ GIS cho phép người sử dụng, ngoài các dữ liệu thuộc tính, thông tin định lượng, còn có khả năng quan sát trên không gian bản đồ, có tầm nhìn bao quát hơn trong quá trình phân tích số liệu, hoàn cảnh tình huống, đưa ra các dự báo và lựa chọn quyết định đúng đắn hơn [43].Vì 4 những lý do đó, công nghệ GIS đang ngày càng được ứng dụng rộng rãi trong nghiên cứu kiểm soát và dự báo dịch bệnh [43],[70]. Từ các phân tích nêu trên, luận án thực hiện nghiên cứu kết hợp mô hình GIS và mô hình chuỗi thời gian để thiết lập mô hình dự báo thống nhất, trong đó xem xét ảnh hưởng của các yếu tố khí hậu, không gian và thời gian đến độ chính xác của mô hình dự báo. Tại Việt Nam, các nghiên cứu về dự báo dịch bệnh còn rất thiếu, do đó cần phải có những nghiên cứu chuyên sâu về mô hình dự báo các dịch bệnh truyền nhiễm để đáp ứng các yêu cầu của việc bảo vệ, chăm sóc và nâng cao sức khỏe cho nhân dân một cách chủ động và toàn diện.

Lý do chọn đề tài Trong những năm gần đây, các chương trình trọng điểm giám sát bệnh truyền nhiễm của ngành y tế Việt Nam đã được thực hiện và các dữ liệu thu thập đã được lưu trữ một cách có hệ thống. Từ đó, các kho dữ liệu về quá trình bùng phát dịch bệnh và dữ liệu về khí hậu, thủy văn cũng được hình thành và ngày càng đầy đủ hơn. Đây là một thuận lợi lớn cho việc xây dựng các mô hình dự báo bệnh dịch dựa trên khai phá dữ liệu. Tuy nhiên, theo khảo sát của tác giả, Việt Nam còn thiếu các mô hình dự báo dịch bệnh, đặc biệt là các mô hình dự báo kết hợp dựa trên các dữ liệu đa ngành, trong đó có xem xét đầy đủ các yếu tố như khí hậu, không gian, thời gian,.

Từ phân tích trên, luận án tập trung nghiên cứu thiết lập mô hình dự báo dịch tả dựa trên các kỹ thuật khai phá dữ liệu và học máy thống kê, trong đó có xem xét ảnh hưởng của các yếu tố như khí hậu, không gian, thời gian. Đây sẽ là một công cụ thực sự hữu ích cho những người làm công tác y tế dự phòng và quản lý y tế. Mục tiêu tổng quát: Nghiên cứu hệ thống hóa cơ sở khoa học trong dự báo, ứng dụng các kỹ thuật khai phá dữ liệu, học máy trong dự báo làm cơ sở xây dựng mô hình dự báo dịch bệnh có sự kết hợp dữ liệu không gian, thời gian và khí hậu. 5 Mục tiêu cụ thể: Nghiên cứu tổng quan, lựa chọn phương pháp thích hợp trong dự báo dịch tả; Mô hình hóa các yếu tố khí hậu ảnh hưởng đến dịch tả; Xây dựng mô hình tích hợp dữ liệu thời gian, không gian địa lý lân cận trong (GIS) và dữ liệu khí hậu để dự báo dịch tả tại Hà Nội; Đề xuất ứng dụng mô hình dự báo trong thực tiễn.